军用无人机技术智能化发展及应用

军用无人机作为收集战场信息和军事打击的新兴手段和工具,以其机动灵活、战场生存能力强等独特优势,能够方便快速地获取战场态势,极大地弥补了传统作战方式和侦查手段的短板和不足。智能无人系统的发展可能会引领军事领域的重大变革甚至改变战争形态。文章介绍了无人机技术在军事领域中的发展和应用现状,并从飞行控制、火控系统、任务规划以及无人机集群等方面浅析了军用无人机技术智能化发展方向。     

基于协方差矩阵重构的方向图保形算法

现代雷达探测过程中需要采用自适应波束形成技术,在干扰处形成零陷从而消除干扰的影响。然而,波束产生零陷的同时也会导致主瓣波束产生畸变,严重降低了目标检测能力,针对波束保形问题,提出了一种具有波束保形的(worst-case performance optimization, WCPO)最差性能最优化算法。该算法通过对空间中不包含目标信号的区域进行积分来获得一个重构的干扰-噪声协方差矩阵,接着引入一个二次惩罚项使得重构的协方差矩阵满足凸优化条件,最后通过凸优化理论得到权矢量的最优解。区别于传统WCPO算法,该算法在相同条件下有着更高的输出信干噪比(signal-to-jamming noise ratio, SINR),并能在主瓣同时存在多个干扰,且不需要干扰信号先验信息的情况下实现主瓣波束保形。仿真验证了算法的有效性。     

考虑落角约束与驾驶仪特性的自适应RBF空间末制导律

为使大口径舰炮制导炮弹在打击近岸机动目标的末制导段满足落角约束,现考虑自动驾驶仪动态特性,基于自适应RBF逼近网络与动态面滑模提出一种空间末制导律。构建空间弹目相对运动模型,通过带改进微分跟踪器的扩张状态观测器估计目标加速度。为零化视线角跟踪误差与视线角速率,采用自适应指数趋近律设计非奇异终端滑模动态面,并运用自适应RBF逼近网络削弱控制指令抖振。通过Lyapunov第二法证明了全系统中视线角跟踪误差与视线角速率均最终一致有界。仿真实验表明：该末制导律使制导炮弹在空间中打击具有不同机动形式的近岸目标时,均具备良好的末制导性能。     

电磁发射系统以太网拓扑结构建模优化

拓扑结构优化模型是网络中的一类重要模型,可以有效地优化系统整体链路性能。针对电磁发射系统以太网拓扑结构中部分节点和链路的负载过大,一旦发生堵塞,将会影响网络中关键链路性能的问题,建立网络拓扑结构优化的多目标规划模型,并提出一套基于基因环操作的遗传算法对其进行求解,通过仿真得出最优的网络拓扑结构。根据仿真结果修改实际网络节点默认配置参数,结果显示该模型和算法能有效均衡负载,降低网络冲突率,且不需要改变电磁发射系统以太网的物理链路,不会增加额外成本,对电磁发射类系统具有普适性的意义。     

储能用蓄电池模型参数的动态辨识

为观测锂离子电池的参数,通过建立多元线性回归模型对内电路参数进行辨识,并提出通过间接观测蓄电池平衡电动势来辨识荷电状态的方法。该方法基于改进的Thevenin电池模型,以等效电容量来表征锂电池的容量特性。在循环周期内可通过测量放电前后开路电压变化量和电荷变化量来辨识等效电容;等效电容又可以在短时间内动态估算平衡电动势以作为辨识荷电状态的主要变量。通过一个循环周期内的脉冲放电实验验证了所采用的改进电池模型和辨识方法的有效性和准确性。     

基于Cholesky分解的自适应抗干扰算法

介绍了卫星导航系统常用的自适应抗干扰算法,并指出了各自的优缺点。针对自适应抗干扰算法的难点,提出了一种基于Cholesky分解的自适应抗干扰算法,巧妙地回避了矩阵求逆等复杂运算,大幅度降低了运算复杂度。推导出了利用Cholesky分解求下三角矩阵并最终完成权值求解的公式,基于FPGA设计给出了具体的实现方法。该算法已成功应用于GNSS抗干扰系统中,实测结果表明该抗干扰算法性能优良,权值更新速度快,是一种简单、高效的实现方法。     

基于FA-EWM的维修器材厂家直供费用研究

维修器材厂家直供费用是军民融合发展以来部队装备维修保障活动中的一项重要研究内容,通过对影响维修器材厂家直供费用的因素进行分析,得到了影响部队维修保障能力建设的基础指标,运用因子分析法从基础指标中提取公因子。通过熵权法中相关的数学模型和MATLAB软件,确定影响维修器材厂家直供费用各指标的权重,最终构建了维修器材厂家直供费用评估指标体系,为维修器材厂家直供费用的评估提供参考。     

水下航行器轴向运动的初始修正自适应反演控制方法

研究水下航行器在复杂水下环境中轴向运动的轨迹跟踪问题,当航行器质量及初始误差均较大时,根据传统自适应反演控制方法设计的控制器需要航行器动力系统提供较大的推力,甚至超过动力系统的最大输出。提出初始修正自适应反演控制方法对此予以改进,该方法将原来对参考信号的跟踪转换为对修正参考信号的跟踪,并采用自适应方法估计航行器的质量和未知扰动等未知参数,可以获得较好的轨迹跟踪性能且不需较大的推力。仿真结果验证了所提初始修正自适应反演控制方法的有效性。     

基于量测噪声方差估计的GM-CBMeMBer算法

针对目标跟踪系统下量测噪声统计特性不准确甚至难以获取的问题,提出一种量测噪声统计特性自适应的高斯混合势均衡多目标多伯努利(Cardinality Balanced Multi-Target Multi-Bernoulli,GM-CBMe MBer)滤波算法。该算法引入Sage-Husa自适应滤波器的思想,利用遗忘因子对量测噪声协方差误差进行修正;建立检验统计量,判断算法敛散性;若滤波发散,则采用有偏估计方法来保证算法收敛性。仿真结果表明在非时变、时变量测噪声方差未知情况下,改进算法的跟踪性能优于传统的GM-CBMe MBer滤波算法,对量测噪声的变化具有较强的适应能力。     

基于估值修正的分布式传感器网络最小均方算法

为使分布式传感器网络自适应滤波算法在具有快速收敛和低稳态误差的同时,具有对脉冲干扰的鲁棒性,在扩散LMS自适应滤波算法基础上,提出一种基于参数估值p阶范数修正的变步长最小均方自适应滤波算法,算法通过使用参数估值的p阶范数增抗其对脉冲噪声的抗干扰能力,通过合理设置变步长控制因子使得算法在收敛初期的收敛速度及收敛后期的稳态误差在一个较小的范围取得一个较好的平衡。对比实验表明,相比已有算法,所提算法性能更优且具有较好的鲁棒性。